今天小编分享的互联网经验：MiniMax副总裁刘华：标准化大模型是未来，技术进化优于定制化，欢迎阅读。
文 | 田哲
编辑 | 苏建勋
随着人工智能进入大模型时代，全球科技竞争正逐步聚焦于中美两国。高昂的算力投入和海量的数据需求，决定了大模型的研发门槛极高，少数领先国家的大模型厂商正在这场技术竞赛中争夺前沿优势。
MiniMax 是较早出海的国内大模型厂商之一，据报道，MiniMax 今年的海外收入将超过 7000 万美元。
目前，MiniMax 已在海外市场推出 HailuoAI、Talkie 两大 C 端产品，分别主打 AI 视频 / 音频生成和 AI 内容社区。36 氪获悉，MiniMax 的海外主要收入来源，除出海 C 端 AI 应用 Talkie 目前占比较大，Hailuo AI 订阅服务和 B 端 API 服务也有所提升。
近日，腾讯云北区云原生总经理田丰、MiniMax 副总裁刘华，与 36 氪等媒体展开了一次对话，从全球竞争格局、技术路径到商业化方向，共同探讨了大模型技术的发展趋势及两者间的协作价值。
刘华介绍，Talkie 除了已有的付费订阅制之外，广告业务也是商业化收入来源之一。此外，MiniMax 在海外市场暂时不会开发定制化模型项目，目前仍以标准化 API 接口服务 B 端客户。
原因在于，创业公司应将主要资源投入到核心技术的研发与迭代上，而不是耗费大量精力在满足个性化需求的定制化项目中。" 如果一款大模型需要大量定制化开发才能满足客户需求，说明这代模型尚不够成熟，与其投入时间与成本进行定制，不如加速模型迭代。" 刘华表示。
他透露，MiniMax 已确定未来的研发路线，主要聚焦于降低模型错误率、实现无限长的输入和输出、多模态路线发展。
首先，模型错误率方面，他认为上一代的 GPT 系列模型错误率约 30%，没有引起用户较大重视的原因在于，其较多被用于没有标准答案的文创领網域，如果将大模型用于生产、研发、科研设计等场景，最好把错误率降低至个位数。而 MiniMax 理想中的错误率是 2%-3%。
其次，随着大模型任务逐步从文本扩展到语音和视频，所需的 Token 量也在迅猛增加，因此新技术落地的关键在于，提高大模型处理大规模输入和输出的能力。
目前，MiniMax 最新研发的 Abab 7 系列模型基于 MoE 和 Linear Attention（线性注意力）机制的新架构，可显著降低长文本的计算复杂度。
在刘华看来，美国的大模型行业仍保持一定程度的领先。据 36 氪观察，OpenAI、Anthropic、XAI 等行业头部厂商占据了强大的资源和技术优势，譬如 OpenAI 的公司规模接近 2000 人，年度算力成本可能达到百亿美元。
不过，中国大模型厂商追赶的速度非常快，尤其在语音和视频等领網域，中国的语音 API 服务已接近 GPT-4o 的水平。如果国内知名科技公司也进入这一赛道，也必然会凭借其资源优势占据重要位置。
刘华认为，中国的 AI 创业公司仍有着广阔的发展空间。正如 MiniMax 得到了腾讯云这类云厂商支持，同时通过成功的商业化实现了资金循环。
此外，刘华认为如果需要更好服务国内外用户，必须坚持自研，打造真正原生性的解决方案，从而拥有具备独立竞争力的大模型。
谈及与 MiniMax 的合作。腾讯云北区云原生总经理田丰介绍，腾讯云为 MiniMax 提供了一系列集计算、存储、网络为一体的高性能智能产品，让 MiniMax 释放更多的精力聚焦在模型本身的训练和工程化上。其中，对象存储产品则提供了元数据加速方案来保障性能，以及多种精细化管理措施进行数据治理，降本增效。数据湖产品则专门针对语料数据预处理进行了专项优化，来提升任务处理性能，帮助 MiniMax 节约算力 30% 以上，性能提升 35.5% 以上。
据悉，腾讯云高性能计算集群通过一系统化的运维机制，可做到网络故障一分钟内发现问题，三分钟内定位问题，最快五分钟恢复系统。其千卡集群的日故障数已刷新至 0.16，是行业平均水平的三分之一。
同时，腾讯云星脉网络可支持大模型训练，实现大模型训练过程中，网络通信占比（通信时间占总体时间比例）低至 6%，整体训练效率提升了 20% 以上。
正如美国大模型厂商已形成头部效应，这一现象也将在中国市场出现。刘华认为，未来只有少数企业研发基础大模型，大多数企业将逐渐转向 AI 应用层面的研发。
至于 MiniMax，将依然坚持投入核心技术研发，用好的技术驱动好的产品，再让好的产品带来好的服务体验和口碑，反哺技术。
